【共通基礎編】AIの始め方 完全ガイド No.5：モデル・エンジン別性能比較
AIの始め方 完全ガイド No.5 (共通基礎編)
40-60代のIT初心者の方へ。3つのAIの長文処理能力、推論・コーディング性能、マルチモーダル機能を比較し、技術的な強みを理解する方法を、わかりやすく解説します。
この記事について、
こちらでは音声で紹介しています: 音声版はこちら
こちらでは動画で紹介しています: 動画版はこちら
※この音声や動画はNotebookLMで作成しています。語句の読み方やイントネーションなどに誤りがある場合がありますのでご容赦ください。
画像についてはGemini 3.0 Pro Imageで作成しています
このシリーズについて
このシリーズは、AIを選ぶために必要な基礎知識を8つの記事で体系的に学ぶコースです。各記事は約10-30分で読める内容になっています。
公開日: 2025年12月5日
記事バージョン: 2025年11月版
情報基準日: 2025年10月25日
重要: この記事に記載されている情報は、情報基準日（2025年10月25日）時点のものです。記事を作成している間に新しいバージョンがリリースされる可能性があります。最新情報については、各AIの公式サイトをご確認ください。
最新情報の確認先:
Claude: Anthropic公式サイト | Claude公式サイト
ChatGPT: OpenAI公式サイト | ChatGPT公式サイト
Gemini: Google AI公式サイト | Gemini公式サイト
学習の流れ
No.1（はじめに） →
No.2（AI本体でできること） →
No.3（周辺ツールと実用例集） →
No.4（価格） →
No.5（性能） →
No.6（目的別） →
No.7（セキュリティ） →
No.8（総括）
モデル・エンジン別性能比較
【学習目標】 3つのAIの長文処理能力、推論・コーディング性能、マルチモーダル機能を比較し、技術的な強みを理解する。
このページでできること
3つのAIの長文処理能力を比較する
推論・コーディング性能を理解する
マルチモーダル（画像・動画・音声）機能を比較する
重要ポイント
3つのAIの性能は、それぞれ異なる強みがあります。Claudeは長文処理とコーディング、ChatGPTは幅広い用途への対応力、Geminiはマルチモーダル機能に優れています。自分の用途に合わせて選ぶことが大切です。
所要時間: 約15分
1. 長文処理能力（コンテキストウィンドウ）比較
「コンテキストウィンドウ」とは、AIが一度に処理できる文字数のことです。これは、人間が「一度に覚えていられる情報の量」に例えることができます。
評価軸：最大トークン数、長文読解の安定性
トークンとは？
トークンは、AIが処理する文字の単位です。日本語の場合、1文字は約1〜1.5トークンに相当します（ひらがなは約1トークン、漢字は1〜3トークン）。100万トークンは約70〜100万文字、文庫本で約7〜10冊分の文字数です。
なお、「K」は千、「M」は百万を表す単位です。200Kは20万、1Mは100万という意味になります。
Claude - 長文処理のエキスパート
標準コンテキスト長
200Kトークン（約13〜20万文字、文庫本約1.5〜2冊分）
1Mトークン（約70〜100万文字、文庫本約7〜10冊分）※ベータ版（正式公開前の試験的なバージョン）
公式評価
Claudeは「長文書での高精度による低ハルシネーション率」が非常に優れていると公式に評価されています。これは、長い文章を読んでも、間違った情報を教えることが少ないということです。
どんな場面で役立つ？
長い報告書や契約書を読んで、要点をまとめる
複数の文書を比較して、違いを見つける
長い会議の議事録から、決定事項を抽出する
評価: ★★★★★（5つ星）
Gemini - 実験モデルで最大級の容量
コンテキスト長
1Mトークン（約70〜100万文字、文庫本約7〜10冊分）
将来的には200万トークン（2Mトークン、約130〜200万文字、文庫本約13〜20冊分）への拡張が計画されている
特徴
非常に長い文書を一度に処理できる
ただし、長文の信頼性については、Claudeほど公式に評価されていない
どんな場面で役立つ？
非常に長い資料を一度に分析したい
複数の長い文書を同時に参照したい
評価: ★★★★☆（4つ星）
ChatGPT - GPT-5で大幅改善
コンテキスト長
GPT-5（2025年8月7日リリース）は400Kトークン（約27〜40万文字、文庫本約3〜4冊分）に対応（API利用時）
ChatGPTアプリでは、Proプランで128Kトークンまで利用可能
GPT-4oも引き続き利用可能
特徴
回答の正確さ、処理速度、論理的に考える力、前後の文脈を理解する力が大幅に向上
長文処理能力が大幅に向上
ただし、長文の信頼性については、Claudeほど公式に評価されていない
どんな場面で役立つ？
長い文書を扱いたい
最新モデルを使える場合
評価: ★★★★☆（4つ星）
長文処理の総合評価
長文の信頼性においてはClaudeが優位です。公式に「長文書での高精度による低ハルシネーション率」と評価されているため、長い文章を正確に扱いたい場合は、Claudeが最もおすすめです。
総合評価: ★★★★☆（4.5つ星）
2. 推論・コーディング性能ベンチマーク評価
「推論」とは、情報を分析して結論を導き出す能力のことです。「コーディング」とは、プログラム（コンピュータの命令）を書く能力のことです。
評価軸：コーディング性能（SWE-bench）、コンピュータ使用タスク（OSWorld）
SWE-benchとは？
実際のソフトウェア開発で使われる問題を解くテストです。これは、プログラマーの実技試験のようなものです。
このテストは非常に難しく、実際のプログラマーでも苦戦するレベルの問題が出題されます。70%を超えるスコアは「プロのエンジニア並み」の実力といえます。
3つのAIのSWE-benchスコア比較
| AI | スコア | 評価 |
|----|--------|------|
| Claude Sonnet 4.5 | 77.2% | 最高水準 |
| ChatGPT GPT-5 | 74.9% | 非常に高い |
| Gemini 2.5 Pro | 63.8% | 標準的 |
OSWorldとは？
コンピュータを操作するタスク（ファイルを開く、アプリを起動するなど）を実行するテストです。
人間が普段パソコンで行う操作をAIがどれだけ正確にできるかを測ります。50%を超えると「基本的なパソコン操作を任せられるレベル」といえます。
3つのAIのOSWorldスコア比較
| AI | スコア | 評価 |
|----|--------|------|
| Claude Sonnet 4.5 | 61.4% | 最高水準 |
| ChatGPT GPT-5 | 未公開 | - |
| Gemini 2.5 Pro | 未公開 | - |
Claude Sonnet 4.5 - 世界最高のコーディングモデル
公式評価
Anthropicの公式発表では、「世界最高のコーディングモデル」と位置づけられています。
ベンチマークスコア
SWE-bench Verified: 77.2%（200Kトークン設定）
OSWorld: 61.4%（4ヶ月前のSonnet 4は42.2%）
主な特徴
AIが自律的に複数の作業を進める仕組み（エージェント）の構築に最適
「コンピュータ使用」能力が高い
論理的思考・数学の問題を解く力が大幅に改善
どんな場面で役立つ？
プログラムを書く、修正する
複雑な問題を論理的に分析する
コンピュータを操作するタスクを自動化する
評価: ★★★★★（5つ星）
ChatGPT GPT-5 - 高いコーディング性能（2025年8月7日リリース）
ベンチマークスコア
SWE-bench: 74.9%（GPT-4oより向上）
主な特徴
回答の正確さ、処理速度、論理的に考える力、前後の文脈を理解する力が大幅に向上
Claude Sonnet 4.5に肉薄する性能
データ分析機能が強力で、表やグラフの作成も得意
幅広い知識を活かしたコーディング
日本語や英語などの言葉を理解する力が高く、さまざまな用途に対応できる
どんな場面で役立つ？
プログラムを書く、修正する
データ分析とコード生成を同時に行う
多様なプログラミング言語に対応
評価: ★★★★☆（4.5つ星）
Gemini 2.5 Pro - 実務寄りベンチマークで存在感
ベンチマークスコア
SWE-bench Verified: 63.8%（ClaudeやGPTシリーズより低いが、長いプログラムの処理で改善）
主な特徴
長いプログラムを読み解く力が強化されている
Googleのサービス（Gmail、Googleドライブなど）と連携して作業を効率化できる
画像や音声と組み合わせて、設計図を見ながらプログラムを書くといった使い方ができる
どんな場面で役立つ？
仕様書を見ながらプログラムを改善する作業
Googleサービスを使った業務の自動化
図や音声を参考にしながらプログラムを書く
評価: ★★★☆☆（3つ星）
コーディング性能の総合評価
コーディング能力はClaude Sonnet 4.5が依然としてリード（77.2%）。ChatGPT GPT-5は74.9%で僅差に迫り、Gemini 2.5 Proは63.8%と差はあるものの、Googleサービスとの連携で実務に役立ちます。プログラミング作業を重視する方には、Claudeがおすすめです。
総合評価: ★★★★★（5つ星）
3. マルチモーダル/画像処理機能の評価
「マルチモーダル」とは、テキストだけでなく、画像、動画、音声など、さまざまな形式の情報を理解できる能力のことです。
評価軸：統合性、対応形式の幅広さ
Gemini - 真のマルチモーダル
対応形式
テキスト、画像、音声、動画のすべてに対応
動画ファイル（MP4など）を直接アップロードして内容を解析できる
音声ファイルのアップロードと文字起こしに対応
PDF、コードファイルなども読み込み可能
主な特徴
真のマルチモーダルとして設計されており、すべての入力形式を統合的に処理できる
画像生成機能も搭載（Nano Banana（Gemini 2.5 Flash Image））
Veoによる動画生成（テキストから動画を作る）
Googleサービスとの統合により、さまざまなファイルを簡単に扱える
どんな場面で役立つ？
動画ファイルをアップロードして、内容を要約してもらう
画像を分析して、内容を説明してもらう
音声ファイルを文字起こしして、議事録を作成する
テキストから画像や動画を生成する
評価: ★★★★★（5つ星）
ChatGPT - 画像生成と音声対話に強み
対応形式
テキスト、画像、音声に対応
PDF、Word、Excel、PowerPointなどのビジネス文書に対応
スマートフォンのカメラを通じたリアルタイムビデオに対応（有料プランのAdvanced Voice Mode）
ただし、動画ファイル（MP4など）を直接アップロードして解析することはできない
主な特徴
DALL-E 3による高品質な画像生成（テキストから画像を作る）
Soraによる動画生成（テキストから動画を作る、有料プラン）
音声入力（Voice Mode）に対応し、自然な音声会話ができる
画像を理解して説明や分析ができる
どんな場面で役立つ？
テキストから画像を生成したい
テキストから動画を生成したい（有料プラン）
画像やPDFを分析して、内容を説明してもらう
音声で会話しながら作業を進めたい
リアルタイムでカメラ映像を見せながら質問したい（有料プラン）
評価: ★★★★☆（4つ星）
Claude - ドキュメント処理と画像分析に特化
対応形式
テキストと画像入力に標準対応（写真・スクリーンショット・手書きメモなどを解析可能）
PDFをテキスト＋画像として読み込み、要約や複数文書の比較が可能
音声ファイル（MP3/WAV/M4Aなど）をアップロードして文字起こし・要約が可能
Word/Excel/PowerPoint/CSVなど、各種ビジネス文書の読み書きに対応
動画の入力（解析）・出力（生成）ともに非対応
主な特徴
画像や資料から数値・テキストを抽出し、構造化したレポートを生成
PDFファイルを直接読み込んで、内容を分析できる
コンピュータ使用機能（AIが画面を見ながらマウスやキーボードを操作する機能）と組み合わせて、ファイル変換や簡易分析を自動化可能
画像生成機能は搭載していない
どんな場面で役立つ？
PDFファイルを読み込んで、内容を要約してもらう
画像を分析して、内容を説明してもらう
音声ファイルを文字起こしし、議事録や要約を作成する
長文の文書や複数ファイルを比較・分析する
評価: ★★★☆☆（3つ星）
マルチモーダルの総合評価
Geminiは動画を含むすべての入力形式に対応し、★5評価です。ChatGPTは画像生成と音声対話に強みがありますが、動画ファイルの直接解析には対応していません。Claudeはドキュメント処理に優れていますが、動画と画像生成には対応していません。
用語集
この記事に登場する専門用語を解説します。
コンテキストウィンドウ
AIが一度に処理できる情報量の上限のこと。トークン数で表されます。
人間でいえば「一度に覚えていられる情報の量」にあたります。コンテキストウィンドウが大きいほど、長い文書や複数のファイルを同時に扱えます。
トークン
AIが文章を処理する際の最小単位のこと。英語では1単語が約1トークン、日本語では1文字が約1〜1.5トークンに相当します（ひらがなは約1トークン、漢字は1〜3トークン）。
100万トークンは約70〜100万文字、文庫本で約7〜10冊分の文字数です。APIの料金もトークン数で計算されることが多いです。
ハルシネーション
AIが事実と異なる情報をあたかも正しいかのように回答してしまう現象のこと。「幻覚」を意味する英語が由来です。
存在しない本のタイトルを答えたり、架空の統計データを作り出したりする例があります。信頼性の高いAIほど、ハルシネーション率が低くなります。
SWE-bench / SWE-bench Verified
Princeton大学などが開発した、AIのプログラミング能力を測定するベンチマーク（性能評価テスト）のこと。
実際のソフトウェア開発プロジェクトで報告されたバグを修正できるかどうかをテストします。「Verified」版は、より厳密に検証された問題セットを使用しています。
OSWorld
AIがコンピュータを操作する能力を測定するベンチマークのこと。
ファイルを開く、アプリを起動する、ウェブページを操作するなど、人間がパソコンで行う作業をAIがどれだけ正確に実行できるかを評価します。
マルチモーダル
テキストだけでなく、画像・動画・音声など複数の形式（モード）の情報を理解・処理できる能力のこと。
写真の内容を説明したり、動画を要約したり、音声を文字起こししたりする機能がこれにあたります。
ベンチマーク
AIの性能を客観的に比較するための標準化されたテストのこと。
SWE-benchやOSWorldなど、特定の能力を測定するさまざまなベンチマークがあり、AIモデルの強みや弱みを把握するために使われます。
API（エーピーアイ）
プログラムからAIを利用するための仕組みのこと。Application Programming Interfaceの略です。
一般ユーザーはアプリやウェブサイトからAIを使うため、通常は意識する必要はありません。開発者がアプリやサービスにAIを組み込む際に使用します。
ベータ版
まだ正式公開前の試験的なバージョンのこと。
新機能をいち早く試せる反面、動作が不安定だったり、機能が変更・削除されたりする可能性があります。正式版は「一般公開版」や「安定版」と呼ばれます。
エージェント
AIが自律的にタスクを実行する仕組みのこと。
通常のAIは質問に答えるだけですが、エージェントは「調べて、まとめて、ファイルに保存する」といった複数の作業を自動で進めることができます。
DALL-E 3（ダリ・スリー）
OpenAIが開発した画像生成AIのこと。ChatGPTに搭載されています。
「猫が宇宙服を着ている絵」のように、テキストで指示するだけで画像を作成できます。名前は画家のダリとロボット映画のWALL-Eを組み合わせたものです。
Nano Banana（ナノバナナ）
Googleが開発した画像生成AIのこと。正式名称は「Gemini 2.5 Flash Image」。Geminiに搭載されています。
2025年8月にリリースされ、セルフィーを3Dフィギュア風に変換する機能などがSNSで話題になりました。テキストから画像を生成したり、既存の画像を編集したりできます。
Sora（ソラ）
OpenAIが開発した動画生成AIのこと。ChatGPTの有料プランで利用できます。
2024年12月に初代がリリースされ、2025年9月にはSora 2が登場しました。テキストで「海辺を歩く猫」のように指示するだけで、短い動画を自動で作成できます。名前は日本語の「空」に由来しています。
Veo（ヴェオ）
Googleが開発した動画生成AIのこと。Geminiに搭載されています。
テキストから動画を生成する機能で、Nano Bananaと同様にGoogleのAI技術を活用しています。SoraのGoogle版といえるサービスです。
Google Workspace（グーグル ワークスペース）
Googleが提供するビジネス向けのクラウドサービスのこと。
Gmail、Googleドライブ、Googleドキュメント、Googleスプレッドシートなどが含まれます。Geminiはこれらのサービスと連携して使うことができます。
ファインチューニング
AIの能力を特定の用途に合わせて調整・強化すること。
たとえば、医療画像を正確に理解させたい場合、医療画像のデータを追加で学習させることで、その分野での精度を高めることができます。API経由で利用する機能で、一般ユーザーが直接使うことはありません。開発者がアプリやサービスにAIを組み込む際に使用します。
まとめ
長文処理能力
Claude: ★★★★★ 長文の信頼性が最も高い
Gemini: ★★★★☆ 非常に長い文書を処理できる
ChatGPT: ★★★★☆ 最新モデルで大幅改善
総合評価: ★★★★☆（4.5つ星）- 長文の信頼性においてはClaudeが優位
推論・コーディング性能
Claude Sonnet 4.5: ★★★★★ 世界最高のコーディングモデル（77.2%）
ChatGPT GPT-5: ★★★★☆ 高いコーディング性能（74.9%）
Gemini 2.5 Pro: ★★★☆☆ SWE-bench Verifiedで63.8%、Google連携で実務支援が強み
総合評価: ★★★★★（5つ星）- コーディング能力はClaude Sonnet 4.5に軍配
マルチモーダル/画像処理機能
Gemini: ★★★★★ 真のマルチモーダル、画像・動画・音声すべてに対応、画像生成（Nano Banana）・動画生成（Veo）も可能
ChatGPT: ★★★★☆ 画像生成（DALL-E 3）・動画生成（Sora）・音声対話に強み、動画ファイルの解析は非対応
Claude: ★★★☆☆ ドキュメント・画像・音声ファイルに対応、動画の入力・生成ともに非対応、画像生成も非対応
総合評価: ★★★★★（5つ星）- Geminiは対応形式の幅広さで優位
次の記事では、あなたの目的に合ったAIを選ぶためのガイドを紹介します。
次のステップ
このシリーズの学習を続ける方は、次の記事をご覧ください：
No.6: 目的別・業種別 最適AI推奨ガイド- 目的別に最適なAIを知りたい方
この記事が少しでも役立ったら、スキやフォローいただけると嬉しいです！
質問いつでも待ってます。
前の記事: No.4: 価格・プラン別徹底比較と経済性
何から読んだらAIについてわかるのか？自分の目的に合うものは？
他にも気になる記事があれば、ぜひご覧ください。
書いているのは、明石在住の「あき」です。
40代でAIと出会い、「これは関係ない」と思っていた自分が、今ではセミナー講師としてAIの使い方をお伝えしています。明石を中心に、セミナーや個別のご相談もお受けしています。
このシリーズ「AIのある日常」では、暮らしや仕事の中でAIを使ってみた体験を紹介しています。ChatGPT・Claude・Geminiの始め方を順番に学べる「AIの始め方 完全ガイド」シリーズもありますので、興味があればそちらもどうぞ。
「はじめまして、あきです」
自己紹介を兼ねた記事です。よかったら覗いてみてください。
LINE公式アカウント
AIの使い方や新しい記事の情報を、LINEでもお届けしています。
